多组样本下GL－统计量的渐近性质

本文上要讨论多组样本下GL－统计量的渐近分布。这里我们使用了Gâteaut微分逼近方法,在多组i.i.d.样本下,给出了GL－统计量的渐近正态分布的一组条件,从而拓广了i.i.d.样本下GL－统计量的渐近正态分布的性质[1].     

相协样本下Wilcoxon两样本统计量的渐近分布北大核心CSCD

研究了相协样本下Wilcoxon两样本统计量的渐近分布的问题.利用Hoeffding分解方法,获得了相协样本下Wilcoxon两样本统计量的渐近分布为正态分布的结果,推广了负相协样本下Wilcoxon两样本统计量的渐近分布的结果.     

相协样本下Wilcoxon两样本统计量的渐近分布

研究了相协样本下Wilcoxon两样本统计量的渐近分布的问题.利用Hoeffding分解方法,获得了相协样本下Wilcoxon两样本统计量的渐近分布为正态分布的结果,推广了负相协样本下Wilcoxon两样本统计量的渐近分布的结果.     

球面均匀分布的拟合优度检验

证明了基于惯量矩的d维单位球面上样本服从均匀分布的基本特征,得到球面均匀分布协差阵特征根估计的强相合性及渐近多元正态性.提出了检验球面上样本均匀性的渐近卡方统计量,证明了拟合优度检验的相合性并做检验功效的随机模拟.     

关于线性秩统计量的渐近正态性及其收敛速度

本文讨论线性秩统计量的渐近正态性的条件及其收敛速度．推广了Hajek关于线性秩统计量收敛于正态分布的条件的重要定理，并得出了一个较易验证的充分条件．对于一般形式的计分函数，在一定条件下得出了相应线性秩统计量收敛于正态分布的速度．     

相协样本下密度核估计的联合渐近分布

证明了相协样本下密度函数的核估计在有限个不同点上的联合渐近分布为多维正态分布.     

复多样本球性检验问题

该文给出ｑ个复多元正态总体中多样本球性检验的似然比统计量在固定备择假定下的非零渐近分布．     

单样本U统计量及其渐近性质

系统地介绍了单样本U统计量的概念与H-分解,及利用H-分解的相关性质导出U统计量的渐近性质的结论,给出了H-分解的有关性质的数学归纳法证明,从U统计量的角度举例证明了我们常见的一些统计量的渐近正态性.     

一个部份自回归模型的渐近有效性<英>

本文考虑部分自回归模型 X_t=X_(t-1)β g(U_t) ε_t,t≥1.这里g是一未知函数,β是一待估参数,ε_j是具有0均值和方差σ~2的i.i.d.误差,U_t i.i.d.服从[0,1]上均匀分布.本文首先给出了相合估计的收敛阶和Takeuchi意义下渐近有效界.同时给出了β最小二乘估计是有效的充要条件.最后证明了MLE是渐近有效的.     

正态密度比的假设检验

本文讨论对两样本正态分布密度比的假设检验.给出了基于统计量渐近正态性的大样本检验和广义$p$-值检验并给出了广义$p$-值检验的一些频率性质.模拟表明广义$p$-值检验在小样本情形下的表现优于大样本检验.     

非线性自回归序列L1估计的渐近分布

由于时间序列数据中经常出现的厚尾特征使得通常的估计方法不再具有渐近的正态分布,在误差项二阶矩有限的条件下考虑了非线性自回归序列的L_1估计.采用局部线性近似的方法得到了具有凸样本路径的随机过程,在此基础上利用凸样本路径随机过程弱收敛的性质证明了非线性自回归序列L_1估计的渐近正态性及无偏性.     

双边截断情形下QH 统计量的渐近分布

ＣｈｅｎＬａｎｄＳｈａｐｉｒｏＳＳ［１］提出如下检验正态性的统计量其中,Ｘ１ｎ,Ｘ２ｎ,…,Ｘｎｎ为容量为n的样本的次序统计量,Ｈ为标准正态分布函数的逆函数．本文在一定的条件下得到了双边截断情形下ＱＨ统计量的渐近分布．     

ψ混合误差下回归函数小波估计的渐近正态性

对于非参数固定设计回归模型Yi=g(xi)+εi,其中{xi}为固定设计点,{εi}为ψ混合样本序列.在较合理的条件下讨论了未知回归函数g的小波估计的渐近正态性.     

变系数模型中的逐元B-Spline估计法

给出了一种用于估计变系数模型中未知函数的逐元B-Spline方法,建立了估计量的局部渐近偏差,方差和渐近正态分布,开发了一种快速选择估计量窗宽的方法,通过Monte Carlo模拟研究了估计量的有限样本性质.     

变系数模型中的逐元B-Spline估计法

给出了一种用于估计变系数模型中未知函数的逐元B-Spline方法,建立了估计量的局部渐近偏差,方差和渐近正态分布,开发了一种快速选择估计量窗宽的方法,通过Monte Carlo模拟研究了估计量的有限样本性质.     

重截断和的渐近分布

设{X_n,n≥1}是i.i.d.随机变量序列,X_n,1≤…≤X_(n,n)是X_1,…,X_n的次序统计量。又设k_(n,1,) k_(n,2)是满足条件1≤k_(n,1)相似文献   

U-统计量的精致渐近性

设{X_n．n≥1}是一非退化的i．i．d．随机变量序列,U_n是以二维Borel可测对称函数h(x,y)为核函数的U-统计量．记U_n=2/(n(n-1))Σ_≤i≤j≤nh(X_i,X_j)．本文分别在核函数h(x,y)只有4/3阶矩或4/3+δ,0＜δ≤1的情况下,对非常广泛的一类权函数(x)与边界函数b(x)得到了如下关于U-统计量U_n的精致渐近性:不仅使得已有的结果成为我们的特况,还大大降低了其中的矩条件．     

检验的渐近展开和功效损失

本文研究统计假设检验问题中的渐近展开和功效损失,给出一阶渐近展开,二阶效率和功效损失,并且研究了建立在L－,R－,U－统计量及组合L－统计量上的检验问题。     

方差未知时两样本正态混合模型齐-性的修正似然比检验

本文讨论了方差未知时检验两样本正态混合模型齐一性的修正似然比统计量的极限性质,证明了原假设下修正似然比统计量的渐近分布为自由度为1的卡方分布.     

方差未知时两样本正态混合模型齐一性的修正似然比检验

本文讨论了方差未知时检验两样本正态混合模型齐一性的修正似然比统计量的极限性质,证明了原假设下修正似然比统计量的渐近分布为自由度为1的卡方分布.